Geri Dön

Methods for daily forecasting

Günlük veri tahminleme yöntemleri

  1. Tez No: 270456
  2. Yazar: ÖZGE TUĞRUL
  3. Danışmanlar: DOÇ. WOLFGANG HÖRMANN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 181

Özet

Birçok iş kolunda geleceğe yönelik planlar ve alınacak kararlar gelecekteki beklentilere göre şekillendiğinden, tahminleme büyük önem taşımaktadır. Bu tez günlük zaman serisi verileri için özel birtakım uygulamalarla geliştirilmiş tahminleme yöntemlerinin farklı tipte zaman serisi verilerine uygulanarak karşılaştırılmasını ve tahminleme deney sonuçlarının değerlendirmesini gerçekleştirmektedir. Bir tahminleme metodunun gerçeğe yakın tahmin değerleri vermesinin yanında, bu metodun kodlama ve uygulama aşamaları da önem teşkil etmektedir.Tezin birinci bölümünde tahminleme açıklanmış, ikinci bölümünde, tahminleme sürecinden bahsedilmiştir. Üçüncü bölümde literatürde uygulanmış tahminleme metotlarından bahsedilmiştir. Tezde uygulanacak olan metotların açıklamalarına basit tahminleme yöntemi ile dördüncü bölümde başlanmıştır. Beşinci bölüm zaman serisi regresyon metotlarını, altıncı bölüm ise çeşitli üstel düzeltme yöntemlerini açıklamaktadır. Yedinci bölümde otoregresif hareketli ortalama metodu hakkında açıklamalar ve uygulanan günlük tahminleme metodu yer almaktadır. Sekizinci bölümde, ?R? programında yazılmış tahminleme yöntemlerinin uygulanmasına yönelik fonksiyonların açıklamaları yapılmıştır. Tahminleme metotlarını değerlendirmeye yönelik deney sonuçları ve değerlendirmeler dokuzuncu bölümde verilmiştir. En son bölümde ise, yöntemler hakkında genel bir değerlendirme yapılıp, sonuca varılmıştır.

Özet (Çeviri)

For many branches of business daily forecasting constitutes an important activity, since future plans are made or decisions are taken according to the future expectations. This thesis provides a comparison of different daily forecasting methods with special implementations for different time series data and evaluates the results of forecasting experiments. It is important for the selected forecasting method to give more accurate results and smaller forecast errors. Also, the coding and the implementation processes have an effect in choosing a forecasting method.The first chapter explains forecasting, the second chapter gives information about the forecasting process, the third chapter gives examples of the forecasting methods used in the literature. The explanation of forecasting methods begins with the fourth chapter with the explanation of the so called ?naive method?. The fifth chapter explains time series regression methods, the sixth chapter presents exponential smoothing methods, the seventh chapter gives information about the autoregressive integrated moving average method. The eight chapter explains the implementation of these forecasting methods written on ?R? program. The experiments evaluating these forecasting methods are introduced and explained in the ninth chapter. Finally, a general overview of the methods is presented.

Benzer Tezler

  1. Derin öğrenme ile çizge zaman serilerinin analizi

    Analysis of graph time series with deep learning

    MUSTAFA MERT KESKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET MURAT ÖZBAYOĞLU

  2. Developing a decision-support system using machine learning and deep learning models for daily demand forecasting: A case study

    Günlük talep tahmini için makine öğrenimi ve derin öğrenme modelleri kullanarak karar destek sistemi geliştirme: Bir vaka çalişmasi

    RANA EZGİ KÖSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  3. Short-term solar power forecasting with artificial neural network models

    Yapay sinir ağları modelleri ile kısa süreli güneş enerjisi tahmini

    SEÇKİN GÖKÇE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  4. Deep learning for time-series forecasting of currency exchange rates

    Döviz kuru oranlarının zaman serisi tahmini için derin öğrenme

    MUSTAFA JABBAR SAFI AL-ASADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET FATİH AKAY

  5. Transfer merkezli havalimanlarının stratejik planlaması: İstanbul Havalimanı örneği

    Strategic planning in hub airports: The case of Istanbul Airport

    ATINÇ TUNALI

    Doktora

    Türkçe

    Türkçe

    2023

    Sivil Havacılıkİstanbul Üniversitesi-Cerrahpaşa

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER GİRAN